核心观点 - 大语言模型（LLM）在主动投资领域具有变革性潜力，能够解决信息过载问题，提升投研效率和深度 [1][8] - LLM在信息获取与处理、深度分析与挖掘、策略生成与验证三个核心环节展现出强大应用价值 [3][4][5] - 人机协作是LLM在主动投资领域最现实且最具价值的应用模式，需要投研人员掌握Prompt Engineering等新技能 [9][10] 信息获取与处理 - LLM能够自动化市场信息跟踪，实时抓取多源数据并生成结构化摘要，提升信息处理效率 [3][13] - 在分析师报告聚合与对比方面，LLM可自动解析不同格式研报，提取关键信息并识别市场共识与分歧点 [3][29][30] - 对于上市公司业绩电话会纪要，LLM能快速处理会议内容，提取财务更新、战略重点等关键信息 [3][31][32] 深度分析与挖掘 - LLM能够量化文本情绪，识别细微情感变化，并绘制情绪变化曲线，为投资决策提供独特视角 [4][38] - 在组合分析与风险识别方面，LLM可提供基于实时事件和非结构化信息的风险分析，增强风险管理前瞻性 [4][39] - LLM能够分析组合持仓相关的重大新闻、行业动态等文本信息，为传统量化归因模型提供补充解释 [4] 策略生成与验证 - LLM在基本面因子挖掘方面具有思路广度、逻辑自洽和高度可定制化三大优势 [5][45] - LLM能显著降低策略回测门槛，将自然语言描述的投资策略自动转化为可执行代码 [5][46] - 通过自然语言到代码的转换，LLM加速了投资方法的验证与优化过程 [5] 应用前景 - LLM适合执行大规模数据处理和初步分析，而人类在目标设定、逻辑构建等方面具有优势 [6] - 构建高效的人机协作模式是LLM大规模成功应用的前提 [6] - 投研人员需要发展Prompt Engineering等新能力来充分利用LLM的潜力 [9][10]

医疗机器人行业现状 - 医疗机器人从实验室概念加速走向临床一线，成为医护人员不可或缺的智能伙伴，在许多医疗场景中发挥作用[1] - 现有技术虽突破传统医疗物理边界，但机器人从辅助工具迈向自主执行仍面临多重挑战，主流产品处于辅助向自动化过渡阶段[1] 当前医疗机器人的局限性 - **现实定位精度和作业灵活性不足**：定位精准性和作业稳定性易受患者情况和外部环境影响，可能造成重大隐患[4][5] - **操作复杂**：医护人员需花费较长时间培训学习机器人的操作和应急处理，增加时间成本和心理压力[6] - **综合成本高**：例如进口达芬奇手术机器人售价约2500万，设备通用性不足导致医疗机构自动化改革成本难降低[7] - **安全性顾虑**：机器人替代医生操作可能增加患者紧张感，确保人机协作安全性是重要挑战[8] 技术突破方向 - **安全性能**：双通道冗余架构搭配力矩控制框架满足国际安全标准（CE、ET、IEC 60601），保障接触环境中的作业和人员安全[10] - **实时力反馈与精细力控**：通过力/力矩传感技术、力控算法等模拟人类手感，复现复杂操作手法（如超声检查中动态调整接触力度）[14] - **易用性设计**：柔顺拖拽功能允许医务人员直接轻力拖拽机器人末端，降低学习门槛[16] - **多样化功能开发**：提供开发工具包Flexiv RDK支持个性化医疗应用构建[16] 自适应机器人医疗应用案例 - **超声诊疗**：实时贴合人体轮廓并复现医生手法，确保最佳压力，辅助完成诊察[20] - **按摩理疗**：模拟专业医师手法进行中医推拿、疼痛管理等[22] - **手术场景**：支持脑卒中、骨科等手术，部分进入临床阶段，验证技术可靠性[24] - **Rizon Med专用机型**：高刚性设计（10,000N/m）、电磁抱闸配置，提升安全性和通用性[26] 行业前景 - 2030年全球手术机器人市场规模或突破400亿美元，中国本土化创新有望占据30%份额[30] - 技术发展目标为拓展医疗可能性，通过机器人提升医生决策与创新能力，实现人机协同效率优势[24][30]

王兴兴， 宇树科技有限公司创始人兼CEO、CTO AI，开启机器人新时代的钥匙 在科技飞速发展的当下，人工智能（AI）正以前所未有的速度重塑各个领域，而机器人领域无疑是其中备受瞩目 的焦点。我坚信，AI与机器人的融合，是未来十几年甚至几十年里最具价值的发展方向，如今这一领域不过是初 起的火苗，未来必将越烧越旺 。 AI还需具备情境理解能力。就拿做饭来说，机器人不仅要识别食材，还得理解食谱和烹饪技巧，并能根据实际情 况调整烹饪方法。面对不同新鲜程度的食材和用户的口味偏好，机器人要能灵活调整烹饪时间和火候，这对AI的 情境理解和决策能力提出了很高的要求。 此外，机器人还需要具备更高的灵活性与适应性，能够在不同环境中自主学习和适应。以洗衣为例，机器人要根 据衣物的材质、颜色和污渍程度选择合适的洗涤程序。这种灵活性要求机器人具备强大的机器学习能力，能够从 不断的试错和反馈中优化自身行为。 人机协作也是未来机器人的重要发展方向。机器人需要理解人类的指令、情感和需求，并能与人进行有效协作。 在厨房中，机器人可以主动为人类提供帮助；洗衣时，能根据用户反馈调整洗涤方式。这种人机协作模式不仅能 提升家务效率，还能增强家庭成员之 ...

图片来源： 松延动力 上周六，北京亦庄科技园区上演了一场别开生面的科技马拉松——全球首场人形机器人半程马拉松比 赛。这场由中国顶尖机器人研发机构参与的赛事，在展现人工智能前沿技术的同时，也因机器人选手 们"状况百出"的表演而充满趣味性。 比赛现场，21台形态各异的人形机器人同场竞技。起跑阶段就出现了令人忍俊不禁的场景：一台机器 人在发令枪响后应声倒地；另一台则在行进中突然"身首异处"，头部组件滚落赛道；更有甚者，一台 机器人在中途突然解体，零件散落一地。最终，仅有4台机器人在规定的4小时内完成了21公里的赛 程。 来自 北京人形机器人创新中心的"天工"以2小时40分钟的成绩夺冠，虽然比人类马拉松冠军慢了整整 一小时，但其表现已属惊艳。该公司首席技术官唐健表示："这次比赛是对机器人极限性能的全面检 验，结果完全符合预期。" 值得注意的是，比赛采用了独特的"人机协同"模式。" 天工"在比赛中由人类教练佩戴信号装置领跑， 通过动作模仿完成比赛。其他机器人则采用了操作员遥控或牵引绳辅助等不同方式。现场观众热情高 涨，不少家庭专程带孩子前来观赛，在人类选手与机器人选手之间拍照留念。 参赛机器人造型各异：有酷似动漫高达的 ...

文章核心观点 举办“人机共跑”半程马拉松赛事旨在测试人形机器人极限性能，推动产业发展、赋能生产生活，展示科技成果并引发人机协作思考 [2] 赛事结果 - “天工队”以2小时40分42秒成绩获冠军，“松延动力小顽童队”和“行者二号队”分获亚军、季军 [1] - 两名埃塞俄比亚选手分别以1小时2分36秒和1小时11分7秒获男子组和女子组冠军 [1] 赛事情况 - 人形机器人与人类同时起跑共跑21.0975公里，赛道中间作物理划分 [1] - 20支机器人队伍参赛，6支成功完赛，后续将根据大众评选得出最佳人气、步态、形态创新奖 [1] 赛事规则 - 主办方借鉴赛车比赛形式创新设计赛制规则，起跑时机器人按Z型布阵排成两列，同一列前后垂直间距3米，依次发枪起跑，出发间隔1分钟，原则上不超过2分钟 [1] - 每支赛队最多安排3名保障人员进入赛道，赛道设补给站，允许换电池或机器人，换电时间计入总成绩，更换机器人会被罚时 [1]

全球劳动力市场正经历着前所未有的变革，其中AI的影响力最为关键。 近期，世界经济论坛（WEF）发布了《2025年就业前景报告》，这份报告汇集了全球1000多家企业的观点，共 同探讨了AI技术变革、人口结构变化、绿色转型等宏观环境下就业和技能需求的改变，以及企业在未来五年可 以采取的劳动力转型策略，为我们描绘了一个充满机遇与挑战的未来工作图景。 本文将综合分析这份报告以及相关研究，探讨AI如何重塑未来的工作环境，并为企业和HR管理者提供应对策 略。 1 科技对未来就业的影响最大 在《2025年就业前景报告》中提到， 科技将成为塑造劳动力市场最具颠覆性的力量，超过所有其他宏观就 业创造和替代趋势 。 根据世界经济论坛的报告，受以下因素推动，全球就业前景预计到2030年将净增加7800万个工作岗位： • 新兴行业和科技领域将新增1.7亿个工作岗位。 不仅如此，随着机器人和自动化系统等技术的迅猛发展，编程技能以及对自动化技术的适应能力正变得愈 发关键。各行各业若想保持竞争力，就需积极招募具备核心技术能力的人才，以更好地实现人与先进系统 的无缝协作。 来源：世界经济论坛《2025就业前景报告》 • 现有9200万个工作 ...